本发明公开了一种基于绝对听觉阈值的深度学习语音增强方法,包括以下步骤：S1.对输入的时域音频信号进行预处理，得到频域语音信号；S2.对频域语音信号进行声学特征处理，得到特征语音信号；S3.基于深度神经网络，构建特征语音增强网络模型；S4.对特征语音增强网络模型进行离线训练，得到成熟的特征语音增强网络模型；S5.利用成熟的特征语音增强网络模型进行在线语音增强。本发明利用绝对听觉阈值对语音信号进行声学特征处理，突出语音信号特征，在不损失输出音频的可懂度和清晰度的情况下，降低网络输入语音信号的数据量，减少网络输入参数，提高网络训练速率。
📄 201910126915X
📂 G10L21_0232
👤 西华大学
📅 2019-02-20
本发明公开了一种基于非线性滤波的声学回声消除方法，步骤如下：步骤1：信号采集和自适应Hammerstein滤波器模型构建；步骤2：计算目标函数的解；步骤3：设置自适应Hammerstein滤波器参数初始值；步骤4：更新参数；步骤5：回声信号消除；步骤6：迭代直至通话结束。本发明考虑了不同的回声环境，使用自适应算法来估计系统的参数，收敛速度较快，可以在不同回声环境下较快的调节滤波器参数，使滤波器能够快速获得较佳的滤波效果，适应实时性要求较高的环境；本发明使用欧几里得(Euclidean)投影来更新自适应滤波器参数，能够有效的消除通信系统中的回声，具有较好的回声消除效果。
📄 2022100740180
📂 G10L21_0208
👤 杭州电子科技大学
📅 2022-01-21
本发明公开了一种基于麦克风阵列的语音增强方法及装置，该方法和装置更精准地估计出了混响和回声的声学路径，更好地抑制了回声和混响信号，使得输出的音频信号达到更高的信噪比，语音增强体验效果好，针对当前主流的硬件平台均能达到实时处理，且具备很强的鲁棒性。此外，本发明所提供的方法和装置在提升信号的信噪比的同时，能够大幅降低了信号处理的运算量。而在实现相同信噪比的要求下，传统的信号处理流程需要1‑3倍的运算量。
📄 2018106520417
📂 G10L21_0208
👤 重庆瑞可利科技有限公司
📅 2018-06-22
本发明公开了一种基于增强谱减与卡尔曼滤波的两阶段语音降噪方法及其装置和存储介质，所述方法包括以下步骤：通过增强谱减法在频域对语音信号进行初步降噪；基于线性预测编码算法辨识语音信号状态空间模型参数，利用卡尔曼滤波算法在时域对声音信号进行二次降噪；对逐帧信号重复进行多次参数辨识、二级降噪流程后输出降噪语音。本发明方法能够在复杂噪声环境中有效滤除环境噪声，提高语音信号质量。本方法适用于人工耳蜗的单麦克风降噪，能够在计算资源有限的人工耳蜗中实现高效降噪，提高佩戴者的声音感知能力。
📄 2025109437604
📂 G10L21_0232
👤 浙江工业大学
📅 2025-07-09
本发明公开了一种基于神经通路的图垂直联邦数据增强方法与装置，首先构建具有奖励机制的图垂直联邦学习框架；在训练过程中，通过计算本地模型神经元激活值，根据其与模型每一层输入的梯度关系，获得本地模型的逆向神经通路，通过模型神经通路寻找有利于中心服务器模型性能的图拓扑结构；再通过计算本地模型神经元激活值，根据其与模型每一层输入的梯度关系，获得本地模型的逆向神经通路，通过模型神经通路寻找有利于中心服务器模型性能的节点特征；然后基于寻找到的图拓扑结构和节点特征，对本地数据进行数据增强；最后将经过增强后的本地数据继续用于图垂直联邦学习模型的训练，从而提高本地参与方在图垂直联邦模型中的贡献度。
📄 2022101381240
📂 G10L21_02
👤 浙江工业大学
📅 2022-02-15
本发明公开了一种面向家居噪声环境的分层自适应去噪方法及系统，该方法包括：(1)先将带噪语音信号经过谱减法滤波，去除掉噪声的短时谱部分，得到去噪后的语音信号；(2)观察谱减法去噪后的语音信号中时域波形出现时间较短的突发声调的情况；(3)若谱减法去噪后的时域波形出现时间较短的突发声调的情况比较严重，采用维纳滤波法对该信号进行二次滤波，去噪结束，得到去噪后的语音信号否则，转至步骤4；(4)若出现时间较短的突发声调的情况不明显，对该信号进行小波阈值去噪法滤波，去噪结束，得到去噪后的语音信号；本发明提出的面向家居噪声环境下的分层自适应算法，可以有效的抑制带噪信号中的噪声。
📄 2020102946723
📂 G10L21_0216
👤 南京邮电大学
📅 2020-04-15
本发明公开了基于新阈值函数的小波语音去噪方法，该方法主要步骤包括：1)带噪语音产生；2)对带噪语音进行小波分解；3)对带噪语音进行小波阈值处理；4)对处理后的语音进行小波重构；5)得到去噪后语音信号；其中主要是对步骤3)进行处理，步骤3)直接决定去噪效果。步骤3)是对带噪语音进行小波分解后的小波系数进行阈值处理，主要涉及到阈值的确定以及阈值函数的选取。本发明采用的新阈值函数缓解了传统硬阈值函数不连续导致处理后信号产生振荡、软阈值函数处理信号后失真较大的问题。新的阈值函数能更好的抑制噪声，提高语音信号信噪比，减少语音失真，得到更好的去噪效果。
📄 2017104434291
📂 G10L21_0208
👤 南京邮电大学
📅 2017-06-13
本发明公开了一种基于卷积神经网络和联合优化的单通道语音分离方法,属于语音分离技术领域,包括对语音信号进行预处理,提取单个信号和混合语音信号的幅度谱特征,并计算多通道特征和目标信号的理想浮值掩蔽;将多通道特征输入卷积神经网络,并提取深度特征;将深度特征和多通道特征进行融合,作为全连接层的输入,输出为目标信号的理想浮值掩蔽,并进行参数寻优以训练卷积神经网络;将混合语音信号输入训练后的卷积神经网络,以实现对混合语音信号进行分离。本发明通过将混合幅度谱特征与深度特征在融合层进行融合来训练分离模型,使输入特征所包含的语音信息更加的丰富;对网络参数进行联合优化,使得分离语音的清晰度和可懂度大幅提高。
📄 2021109119798
📂 G10L21_0272
👤 南京邮电大学
📅 2021-08-10
本发明公开了一种基于超复数随机神经网络的城市噪声识别方法。本发明将城市噪声信号经过谱减法滤波器，然后提取其MFCC、LSP和PLP特征，再拼接成四元数增广向量，最后经过四元数极限学习机(Q-ELM)实现对噪声信号的分类识别。本发明充分提取了低信噪比情况下，信号中的有用信息，增广四元数结构也可利用各个特征之间的结构信息，可以有效提高城市噪声信号的识别率。
📄 2020100290669
📂 G10L21_0232
👤 杭州电子科技大学
📅 2020-01-12
本发明公开了一种基于自适应窗口滤波和小波阈值优化的水声信号去噪方法。本发明首先联合SαS分布和正态分布模型描述水声信道中高斯/非高斯脉冲噪声；并设计了一种基于自适应窗口的中值滤波法，依据窗口内噪声点数量修正滤波窗口大小，抑制非高斯脉冲噪声；然后基于一种改进人工蜂群方法GDES‑ABC，优化小波阈值去噪方法的阈值参数，提高对高斯噪声的抑制能力。本发明能有效抑制复杂水声环境中高斯/非高斯脉冲噪声，提高对2FSK、QPSK以及16QAM等水声通信信号的接收能力，获得较高的输出信噪比和噪声抑制比。
📄 2020105095126
📂 G10L21_0216
👤 青岛科技大学
📅 2020-06-23
本发明公开了一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法，用于水声通信信号去噪。首先基于水声信号稀疏特性，采用稀疏编码理论预先去除高斯噪声，包括基于拉普拉斯分布模型构造稀疏惩罚函数，求解在极大似然估计情况下的稀疏分量。然后基于水声信号的非高斯特性，将非高斯随机噪声视作源信号，基于改进灰狼优化算法求解水声信号盲源分离问题。最后基于分离后信号和接收信号之间的相关系数矩阵提取目标信号，去除非高斯噪声。本发明能有效抑制复杂水声环境中高斯和非高斯噪声，提高水声信号接收质量。
📄 2020110078525
📂 G10L21_0208
👤 青岛科技大学
📅 2020-09-23
本发明公开了基于盲源分离算法的麦克风阵列鼾声信号分离方法及系统，通过多麦克风阵列同时采集两个测试者整晚的鼾声数据；对采集到的混合鼾声信号使用谱减法进行降噪处理；通过短时能量的端点检测法对采集到的整晚鼾声信号中的有效片段进行截取；通过多麦克风采集到的鼾声信号进行波形对比对独立鼾声信号和混合鼾声信号进行分离；通过鼾声盲源分离算法将两个测试者的混合鼾声分离出来；根据麦克风阵列基于TDOA算法的声源定位技术对分离出来的鼾声分类；根据分类结果得到两个测试者独立的整晚鼾声数据。
📄 2020115298131
📂 G10L21_0208
👤 杭州旷维炬锐科技有限公司
📅 2020-12-22
柿子坊 · 知识产权运营
柿子坊知识产权运营平台